1. 遥感影像缺失信息修复工具（更新日期：2016.11.3，2.0正式版）
参考文献: C. Zeng, H. Shen, L. Zhang, “Recovering missing pixels for Landsat ETM+ SLC-off imagery using multi-temporal regression analysis and a regularization method,” Remote Sensing of Environment, vol. 131, pp. 182-194, 2013. (PDF)
2. 时空连续臭氧产品
利用发展的遥感信息重建理论与方法，基于Aura卫星上OMI传感器的臭氧总量三级产品OMTO3e，通过对该产品的缺失信息进行重建与修复，生成了全球（2004-2014）最高分辨率的时空连续臭氧制图产品。
点击下载臭氧产品：2004-2014年臭氧产品 （更新日期：2016.3.4，产品介绍）
点击下载臭氧产品Flag文件：Flag文件 （更新日期：2016.3.4）
参考文献: X. Peng, H. Shen, L. Zhang, C. Zeng, G. Yang, and Z. He, “Spatially Continuous Mapping of Daily Global Ozone Distribution (2004-2014) with the Aura OMI Sensor: Spatially Continuous Ozone Product,” Journal of Geophysical Research Atmospheres, vol. 121, no. 21, 2016. (PDF)
3. 高分一号WFV影像云与云阴影检测工具（更新日期：2017.2.15， 1.0正式版）
参考文献: Z. Li, H. Shen, H. Li, G. Xia, P. Gamba, and L. Zhang, “Multi-feature combined cloud and cloud shadow detection in GaoFen-1 wide field of view imagery,” Remote Sensing of Environment, vol. 191, pp. 342-358, 2017. (PDF)
链接: 多特征联合的云与云阴影检测
4. 多源遥感时空融合软件（更新日期：2018.4.27，1.1正式版）
参考文献: Q. Cheng, H. Liu, H. Shen, P. Wu, and L. Zhang, “A spatial and temporal nonlocal filter-based data fusion method.” IEEE Transactions on Geoscience and Remote Sensing, vol.55, no.8, pp. 4476-4488, 2017. (PDF)
5. 极化SAR影像非线性引导滤波器（1.0正式版）
针对全极化SAR去噪问题，提出了一种基于非线性权重核和自适应窗口的引导滤波方法。
参考文献: X. Ma, P. Wu, and H. Shen, “A Nonlinear Guided Filter for Polarimetric SAR Image Despeckling,” IEEE Transactions on Geoscience and Remote Sensing, 2018. DOI: 10.1109/TGRS.2018.2870188(PDF)
6. 基于空谱信息联合协方差矩阵的多频率全极化SAR影像的非局部均值去噪方法（1.0正式版）
针对多波段全极化SAR去噪问题，提出了一种基于空间和多波段信息联合极化协方差矩阵的迭代非局部均值去噪方法。
参考文献: X. Ma, P. Wu, and H. Shen, “Multifrequency Polarimetric SAR Image Despeckling by Iterative Nonlocal Means Based on a Space-Frequency Information Joint Covariance Matrix,” IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol. 12, no. 1, pp. 274-284, 2019.(PDF)
7. 基于超像素极化协方差矩阵的多时相SAR去噪方法（Data）
提出一种基于超像极化协方差矩阵的多时相SAR去噪方法，论文正处于审稿阶段。此处提供了所用到的实验数据及处理结果。
8. 一种结合Google Earth Engine和深度学习的城市水体提取方法（Code List of data）
提出了一种结合使用Google Earth Engine（GEE）和深度学习提取城市水体的方法，论文正处于审稿阶段。此处提供了论文中所用到的在GEE上实现的代码和线下MSCNN的训练好的参数。
参考文献: Y. Wang, Z. Li, C. Zeng, G. Xia, and H. Shen, “Extracting urban water by combining deep learning and Google Earth Engine,” arXiv preprint arXiv:1912.10726, 2019.
9. 利用递归深度CNN先验的SAR图像去噪方法（Code and Data）
提出了一种利用递归深度卷积神经网络(CNN)先验模型的SAR图像去噪方法。此处提供了论文中提出方法的的代码以及相关数据。
参考文献: Shen, H., Zhou, C., Li, J., & Yuan, Q. (2020). “SAR Image Despeckling Employing a Recursive Deep CNN Prior”. IEEE Transactions on Geoscience and Remote Sensing.
10. 基于时空张量补全的长时间序列NDVI重建方法（Code）
提出了一种基于时空张量补全的长时间序列NDVI重建方法。此处提供了论文中提出方法的的代码。
参考文献: Chu, D., Shen, H., Guan, X., Chen, J.M., Li, X., Li, J., Zhang, L., (2021). “Long time-series NDVI reconstruction in cloud-prone regions via spatio-temporal tensor completion”. Remote Sens. Environ.
11. 全极化SAR与单极化SAR融合网络（Code and Data）
提出了一种全极化SAR与单极化SAR影像融合网络。此处提供了论文中提出方法的代码以及相关数据。
Reference: Lin, L., Li, J., Shen, H., Zhao, L., Yuan, Q., Li, X. “Fully Polarimetric SAR and Single-Polarization SAR Image Fusion Network”. IEEE Transactions on Geoscience and Remote Sensing.
12. 基于拉普拉斯金字塔和稀疏表达的多光谱与SAR影像融合（Code）
提出了一种结合拉普拉斯金字塔和稀疏表达优点的光学与SAR影像融合框架。此处提供了论文中提出方法的代码。
Reference: Zhang, H.; Shen, H.; Yuan, Q.; Guan, X. Multispectral and SAR Image Fusion Based on Laplacian Pyramid and Sparse Representation. Remote Sens. 2022, 14, 870.